Kubernetes 生产环境 OOM 告警全链路排查与防护实战

本文基于真实生产事故整理，已脱敏处理。涵盖 OOM 根因分析、JVM 调优、K8s 配置优化、零中断发版方案。

一、背景

某天早上收到连续告警：生产命名空间 3 个 Pod 被 OOM Killed，深入排查后发现8 个服务内存使用率超过 85%，多个即将崩溃。

本文记录完整的排查过程和最终解决方案。

二、快速定位：从告警到现场

2.1 第一步：确认 Pod 状态

# 查看有重启的 Podkubectl get pods-npro --sort-by='.status.containerStatuses[0].restartCount'|grep-v